La validité désigne le degré avec lequel les scores issus d’un dispositif d’évaluation soutiennent des interprétations précises pour un usage donné. Elle ne concerne pas seulement le test lui même, mais l’ensemble des arguments qui justifient que l’on puisse tirer certaines conclusions à partir des résultats, dans un contexte institutionnel particulier.

La fiabilité décrit la stabilité des résultats lorsqu’on répète la mesure dans des conditions comparables. Un dispositif fiable produit des scores qui varient peu en raison de facteurs aléatoires. Elle ne signifie pas que les scores sont parfaits, mais qu’ils sont suffisamment cohérents pour appuyer des décisions raisonnables.

La difficulté d’un item correspond, de manière simplifiée, à la proportion d’élèves qui y répondent correctement ou atteignent le niveau attendu. Un item très facile ou très difficile apporte peu d’information pour distinguer des niveaux d’apprentissage, tandis qu’un item de difficulté intermédiaire contribue davantage à la précision de la mesure.

La discrimination d’un item indique dans quelle mesure il différencie les élèves qui ont globalement de bons résultats de ceux qui en ont de moins bons. Un item discriminant est généralement réussi par les élèves les plus avancés et échoué par ceux qui rencontrent davantage de difficultés, ce qui le rend informatif pour la mesure.

L’erreur de mesure désigne la part de variabilité des scores qui ne provient pas des différences réelles entre élèves, mais de facteurs aléatoires ou contextuels. Reconnaître l’existence de cette erreur permet de rester prudent dans l’interprétation des résultats, en particulier pour les décisions individuelles importantes.

Un dispositif de mesure regroupe l’ensemble des épreuves, critères, procédures de passation et méthodes d’analyse utilisées pour produire des scores interprétables. Il inclut les tests écrits, les projets notés, les portfolios et les règles qui encadrent leur utilisation dans un contexte donné.